사내 문서 zip 하나를 올리면 전처리·학습·평가가 자동으로 진행되고, 10분 뒤 "공개해도 되는지, 기밀인지"를 우리 회사 기준으로 판정하는 전용 모델이 나와요. API 하나로 그룹웨어·사내 챗봇·웍스AI에 바로 붙고, 직원의 질문이 외부 AI로 나가는 길목에서 비밀이 섞인 문장을 가리거나 막아요. 원본은 즉시 삭제되고, 모델은 반출되지 않아요. Upload one zip of internal documents and preprocessing, training, and evaluation run on their own. Ten minutes later you have a dedicated model that decides, by your company's standards, whether a document is safe to share or confidential. One API plugs it into groupware, internal chatbots, or WrksAI, so sentences carrying secrets get masked or blocked on their way to external AI. Originals are deleted immediately, and the model never leaves.
직원이 AI 도구에 넣는 회사 데이터의 34.8%가 민감 정보예요 — 2년 전 10.7%에서 세 배 넘게 늘었어요 (Cyberhaven 2025). 유출 사고 한 건의 평균 비용은 444만 달러이고, 회사가 모르는 AI 사용, 즉 섀도 AI로 유출을 겪은 조직이 다섯 곳 중 한 곳인데 AI 사용 정책을 갖춘 곳은 37%뿐이에요 (IBM 2025). 그래서 DLP 시장은 연 21%씩 커지고 있어요 (MarketsandMarkets). 문제는 기존 DLP가 주민번호·카드번호 같은 패턴은 잡아도, 우리 회사만 아는 코드네임과 미공개 수치는 못 잡는다는 거예요. 34.8% of the corporate data employees put into AI tools is sensitive — more than triple the 10.7% of two years ago (Cyberhaven 2025). The average breach costs $4.44M, one in five organizations has been breached through shadow AI, and only 37% have an AI usage policy (IBM 2025). That's why the DLP market grows 21% a year (MarketsandMarkets). The catch: conventional DLP catches patterns like ID and card numbers, but not the codenames and unreleased figures only your company knows.
2023년 삼성전자 엔지니어가 내부 소스코드를 ChatGPT에 올렸다가 유출됐고, 회사는 생성형 AI 사용을 금지했어요 (TechCrunch). 국내 주요 기업이 AI를 도입하지 않은 이유 1위도 「정보 유출 우려」 41.9%예요 (경총 2024). 그런데 막는 쪽 도구도 답이 아니었어요 — 기존 DLP 경보의 51%는 오탐이에요 (Cyberhaven). 패턴이 아니라 우리 회사 기준으로 판정하는 필터가 없었어요. 튜니아는 회사 문서로 10분 만에 학습한 전용 모델을 그 길목에 세워요 — 비밀은 가리거나 막고, 공개해도 되는 건 통과시켜요. In 2023 a Samsung engineer uploaded internal source code to ChatGPT, it leaked, and the company banned generative AI (TechCrunch). Among major Korean companies, the #1 reason for not adopting AI is "fear of data leaks" at 41.9% (KEF 2024). Yet blocking tools weren't the answer either — 51% of conventional DLP alerts are false positives (Cyberhaven). No filter judged by your company's standards instead of by patterns. Tunia puts a model trained on your documents in ten minutes right at that gate — masking or blocking secrets, and letting everything else through.
한글(HWP)·오피스·PDF 등 19종 문서를 zip 그대로 올리면 텍스트 추출, 자동 라벨링, 정밀 검수, 학습, 평가, 서빙까지 100% 자동으로 진행돼요. 데이터 정리도, 머신러닝 담당자도 필요 없어요.Drop in a zip of HWP, Office, PDF, and 16 other formats, and extraction, auto-labeling, precision review, training, evaluation, and serving run 100% automatically. No data prep, no ML engineer required.
문서 올리기 5분, 학습 10분 — 30분 뒤엔 실무에서 써요Five minutes to upload, ten to train — in production within thirty
학습에 쓰지 않은 문서로 기본 모델과 비교 평가한 성적표를 자동으로 발행해요. 우리 회사 문서에서 얼마나 더 잘 잡는지 숫자 그대로 보여주고, 새 버전을 학습할 때마다 같은 검증이 반복돼요.A report card benchmarks your model against the base model on documents held out from training. It shows exactly how much better it catches your company's secrets, and every new version is re-verified the same way.
약속이 아니라 성적표로 증명해요Proven by a report card, not a promise
회사 키워드 규칙이 1ms에 먼저 보고, 회사 전용 모델이 10ms에 판정하고, 애매한 문서만 심층 추론이 한 번 더 봐요. 심층 추론으로 넘어가도 추가 요금은 없어요 — 호출당 30원이 전부예요.Keyword rules check first in ~1ms, your dedicated model rules in ~10ms, and only ambiguous documents get a second look from deep reasoning. Escalation costs nothing extra — ₩30 per call, period.
그룹웨어가 느려질 틈이 없어요Too fast for your groupware to notice
공개·내부·기밀·제한·영업비밀·특급 6등급에 계약·재무·인수합병·인사·법무·R&D 등 11가지 문서 유형, 확신도와 판정 근거까지 함께 돌려줘요. 등급만 알려주는 예/아니오 필터가 아니에요.Every verdict returns one of six grades — Public through Classified — plus one of eleven document types (contracts, financials, M&A, HR, legal, R&D, and more), with confidence and reasoning. It's not a yes/no filter.
등급 표시 자동화·문서 분류에도 그대로 써요Doubles as automatic grade marking and document classification
신제품 코드네임, 미공개 프로젝트명처럼 우리 회사만 아는 단어를 등록하면 AI 판단과 상관없이 그 즉시 지정한 등급 이상으로 판정돼요. 학습을 다시 하지 않아도 바로 적용되고, 정규식도 돼요.Register words only your company knows — product codenames, unannounced project names — and they're graded at or above the level you set, regardless of what the AI thinks. No retraining needed, and regex is supported.
오늘 생긴 프로젝트도 오늘 바로 보호해요A project born today is protected today
직원의 질문이 ChatGPT·Claude·Gemini로 나가는 길목에 전용 모델을 세워 두면, 비밀이 섞인 문장은 가리거나 막은 다음 내보내고 공개해도 되는 건 그대로 통과시켜요. 가릴지 막을지는 회사가 정해요.Put your dedicated model where employee prompts head out to ChatGPT, Claude, or Gemini: sentences carrying secrets are masked or blocked before they leave, while safe ones pass untouched. Mask or block — your company decides.
보안은 지키고 업무 속도는 그대로예요Security holds; work speed doesn't drop
콘솔에서 키를 발급받아 호출하면 등급·유형·근거가 JSON으로 돌아와요. 코어핀 DLP API와 같은 스키마라 주소와 키만 바꾸면 그대로 동작하고, 웍스AI는 관리자 정책에서 필터 주소만 바꾸면 우리 회사 전용 모델이 대신 판별해요.Issue a key in the console, call the endpoint, and grade, type, and reasoning come back as JSON. It shares its schema with the Corepin DLP API, so swapping the URL and key is all it takes — and in WrksAI, changing the filter address in admin policy hands verdicts to your own model.
그룹웨어·사내 챗봇·업무 도구 어디서든 호출당 30원Groupware, chatbots, internal tools — ₩30 a call anywhere
원본 파일은 텍스트 추출 직후 삭제되고, 남는 텍스트는 회사 전용 키로 암호화돼요. 사람은 아무도 읽지 않고, 모델은 내려받기가 없는 API 전용이에요. 등급을 고르는 분류기라 문서를 되뱉을 수도 없고, 학습과 서빙은 전부 대한민국 리전에서 이뤄져요.Original files are deleted the moment text is extracted; what remains is encrypted with your company's own key. No human ever reads it, and the model is API-only with no download. As a classifier that picks a grade, it can't regurgitate documents — and everything trains and serves in the Korea region.
해지하면 암호화 텍스트와 전용 모델을 모두 삭제해요Cancel, and encrypted text and model are both deleted
범용 모델은 세상이 아는 비밀만 알아요. 그런데 회사가 정말 지켜야 하는 건 코드네임, 미공개 수치, 우리만의 등급 기준처럼 인터넷에 없는 것들이에요. 튜니아의 첫 필터는 문서 보안이지만, 목표는 회사 문서로 10분 만에 학습되는 전용 모델을 회사마다 갖게 하는 거예요 — 코어핀이 한국형 범용 필터를, 튜니아가 그 위에 우리 회사만의 기준을 얹고, 웍스AI·비즈라우터가 그 판정을 모든 AI 호출에 적용해요. Generic models only know the secrets the world knows. What a company actually has to protect — codenames, unreleased figures, its own grading rules — isn't on the internet. Tunia's first filter is document security, but the goal is for every company to own a dedicated model trained on its own documents in ten minutes: Corepin provides the Korean general-purpose filter, Tunia layers your company's standards on top, and WrksAI and BizRouter apply that verdict to every AI call.
목표 — 회사 수만큼의 전용 모델Goal — as many dedicated models as there are companies금지해도 쓰고, 허용하면 새요. 튜니아를 길목에 두면 비밀이 섞인 문장만 가리거나 막고 나머지는 통과시켜서, AI 사용을 막지 않고도 유출을 막아요. 웍스AI를 쓰는 회사라면 필터 주소만 바꾸면 돼요.Ban it and they use it anyway; allow it and data leaks. With Tunia at the gate, only sentences carrying secrets are masked or blocked while the rest passes — stopping leaks without stopping AI. On WrksAI, it's a one-line filter address change.
주민번호나 카드번호 같은 패턴은 범용 DLP도 잡아요. 문제는 '미르'가 극비 프로젝트라는 걸 인터넷에서 배운 모델은 알 수 없다는 거예요. 우리 문서로 학습한 전용 모델은 아무 표기가 없어도 그게 영업비밀이라는 걸 알아요.Generic DLP catches patterns like ID or card numbers. The problem is that a model trained on the internet can't know "Mir" is a top-secret project. A model trained on your documents knows it's a trade secret even with no markings at all.
모든 판정 결과에 공공 문서 보안 체계(N2SF)의 C·S·O 등급이 함께 나와요. 공공기관 모드를 켜면 학습 단계부터 정보공개법 비공개 기준과 비밀등급 표지(Ⅰ·Ⅱ·Ⅲ급)를 반영하고, 학습과 서빙은 전부 국내에서 처리돼요.Every verdict also carries the C·S·O grade of Korea's public-sector N2SF framework. Public-institution mode folds the Information Disclosure Act's non-disclosure criteria and classified markings (Grades I–III) into training, and everything is processed in Korea.